将函数应用于 Pandas DataFrame 中的每一行

  2. 贴士文章
  3. Python Pandas Howtos
  4. 将函数应用于 Pandas DataFrame 中的每一行
Samreena Aslam 2023年1月30日 2022年5月16日
Pandas Pandas DataFrame
  1. Pandas apply() 函数的基本语法
  2. 将 lambda 函数应用于 Pandas DataFrame 中的每一行
  3. 将 NumPy 函数应用于 Pandas DataFrame 的每一行
  4. 使用参数将用户定义的函数应用于 Pandas DataFrame 的每一行
  5. 将用户定义的函数应用于每行 Pandas DataFrame 无参数
将函数应用于 Pandas DataFrame 中的每一行

Pandas 是一个 Python 库，它提供了大量的类和函数，用于以更简单的方式执行数据分析和操作任务。我们以行和列的形式操作 Pandas DataFrame 中的数据。因此，大多数时候，我们需要对每一行或每一列应用适当的函数，以获得想要的结果。

本文将探讨如何使用 Pandas 将函数应用于 Pandas DataFrame 中的每一行。此外，我们将演示如何将各种函数（例如 lambda 函数、用户定义函数和 NumPy 函数）应用于 Pandas DataFrame 中的每一行。

Pandas apply() 函数的基本语法

以下基本语法用于应用 Pandas apply() 函数：

DataFrame. apply(function, axis, args=())

参见上面的语法中，函数被应用到每一行。axis 是函数在 DataFrame 中应用的参数。默认情况下，axis 值为 0。axis=1 的值，如果函数适用于每一行。args 表示传递给函数的元组或参数列表。

使用 pandas apply() 函数，我们可以轻松地将不同的函数应用于 DataFrame 中的每一行。以下列出的方法可帮助我们实现这一目标：

将 lambda 函数应用于 Pandas DataFrame 中的每一行

为了将 lambda 函数应用于 DataFrame 中的每一行，我们使用 lambda 函数作为 DataFrame 中的第一个参数，并将 axis=1 作为 DataFrame 中的第二个参数传递。apply() 使用上面创建的 DataFrame。

要了解如何将 lambda 函数应用于 DataFrame 中的每一行，请尝试以下示例：

示例代码：

import pandas as pd
import numpy as np
from IPython.display import display

# List of Tuples data
data = [(1, 34, 23),
         (11, 31, 11),
         (22, 16, 21),
         (33, 32, 22),
         (44, 33, 27),
         (55, 35, 11)
         ]

# Create a DataFrame object
dataframe = pd.DataFrame(data, columns=list('ABC'))
print("Original Dataframe before applying lambda function: ", sep='\n')
display(dataframe)

# Apply a lambda function to each row by adding 10 
new_dataframe = dataframe.apply(lambda x: x + 10,  axis=1)
print("Modified New Dataframe by applying lambda function on each row:")
display(new_dataframe)

输出：

Original Dataframe before applying lambda function: 
    A	B	C
0	1	34	23
1	11	31	11
2	22	16	21
3	33	32	22
4	44	33	27
5	55	35	11
Modified Dataframe by applying lambda function on each row:
    A	B	C
0	11	44	33
1	21	41	21
2	32	26	31
3	43	42	32
4	54	43	37
5	65	45	21

Pandas 将函数应用于每一行 - lambda

将 NumPy 函数应用于 Pandas DataFrame 的每一行

我们还可以使用作为参数传递给 dataframe.apply() 的 NumPy 函数。在以下示例中，我们将 NumPy 函数应用于每一行并计算每个值的平方根。

示例代码：

import pandas as pd
import numpy as np
from IPython.display import display

def main():
    # List of Tuples
    data = [(2, 3, 4),
             (3, 5, 10),
             (44, 16, 2),
             (55, 32, 12),
             (60, 33, 27),
             (77, 35, 11)
             ]
    # Create a DataFrame object
    dataframe = pd.DataFrame(data, columns=list('ABC'))
    print("Original Dataframe", sep='\n')
    display(dataframe)
    
    # Apply a numpy function to every row by taking square root of each value
    new_dataframe = dataframe.apply(np.sqrt, axis=1)
    print("Modified Dataframe by applying numpy function on each row:", sep='\n')
    display(new_dataframe)

if __name__ == '__main__':
    main()

输出：

Original Dataframe
    A	B	C
0	2	3	4
1	3	5	10
2	44	16	2
3	55	32	12
4	60	33	27
5	77	35	11
Modified Dataframe by applying numpy function on each row:
          A	      B	          C
0	1.414214	1.732051	2.000000
1	1.732051	2.236068	3.162278
2	6.633250	4.000000	1.414214
3	7.416198	5.656854	3.464102
4	7.745967	5.744563	5.196152
5	8.774964	5.916080	3.316625

Pandas 将函数应用于每一行 - numpy

使用参数将用户定义的函数应用于 Pandas DataFrame 的每一行

我们还可以将 user defined 函数作为带有一些参数的 dataframe.apply 中的参数传递。在下面的例子中，我们传递了一个用户定义的函数，参数为 args=[2]。每个行值系列乘以 2。

请参阅以下示例：

示例代码：

import pandas as pd
import numpy as np
from IPython.display import display

def multiplyData(x, y):
   return x * y

def main():
    # List of Tuples
    data = [(2, 3, 4),
             (3, 5, 10),
             (44, 16, 2),
             (55, 32, 12),
             (60, 33, 27),
             (77, 35, 11)
             ]
    # Create a DataFrame object
    dataframe = pd.DataFrame(data, columns=list('ABC'))
    print("Original Dataframe", sep='\n')
    display(dataframe)
    
    # Apply a user defined function with arguments to each row of Pandas dataframe 
    new_dataframe = dataframe.apply(multiplyData, axis=1, args=[2])
    print("Modified Dataframe by applying user defined function on each row of pandas dataframe:", sep='\n')
    display(new_dataframe)

if __name__ == '__main__':
    main()

输出：

Original Dataframe
   A	B	C
0	2	3	4
1	3	5	10
2	44	16	2
3	55	32	12
4	60	33	27
5	77	35	11
Modified Dataframe by applying user defined function on each row of pandas dataframe:
    A	B	C
0	4	6	8
1	6	10	20
2	88	32	4
3	110	64	24
4	120	66	54
5	154	70	22

Pandas 将函数应用于每一行 - 用户定义

将用户定义的函数应用于每行 Pandas DataFrame 无参数

我们还可以在没有任何参数的情况下将用户定义的函数应用于每一行。请参阅以下示例：

示例代码：

import pandas as pd
import numpy as np
from IPython.display import display

def userDefined(x):
   return x * 4

def main():
    # List of Tuples
    data = [(2, 3, 4),
             (3, 5, 10),
             (44, 16, 2),
             (55, 32, 12),
             (60, 33, 27),
             (77, 35, 11)
             ]
    # Create a DataFrame object
    dataframe = pd.DataFrame(data, columns=list('ABC'))
    print("Original Dataframe", sep='\n')
    display(dataframe)
    
    # Apply a user defined function without arguments to each row of Pandas dataframe 
    new_dataframe = dataframe.apply(userDefined, axis=1)
    print("Modified Dataframe by applying user defined function on each row of pandas dataframe:", sep='\n')
    display(new_dataframe)

if __name__ == '__main__':
    main()

输出：

Original Dataframe
    A	B	C
0	2	3	4
1	3	5	10
2	44	16	2
3	55	32	12
4	60	33	27
5	77	35	11
Modified Dataframe by applying user defined function on each row of pandas dataframe:
   A	B	C
0	8	12	16
1	12	20	40
2	176	64	8
3	220	128	48
4	240	132	108
5	308	140	44

Pandas 将函数应用于每一行 - 用户定义

相关文章 - Pandas DataFrame